智能排产的核心不是“把订单交给算法”，而是建立一套能够持续描述生产现场的数据底座。它必须同时回答四个问题：生产什么、何时生产、用什么资源生产，以及发生异常后如何调整。若订单状态、设备产能、工艺路线和物料可用性各自采用不同口径，系统即使能够生成计划，也难以在现场执行。
数据底座的五类核心对象
第一层是订单数据。至少要统一产品编码、订单数量、已完成数量、客户要求交期、企业承诺交期、优先级、拆单规则和当前状态。尤其要区分“生产完成”“检验完成”和“可发运”，不能用一个“已完成”字段承载多个业务含义。订单还应明确唯一的数据来源、状态转换规则及最后更新时间。
第二层是资源数据，包括设备、人员和工装。设备不能只记录名称与数量，还要描述可加工范围、实际节拍、换型时间、维护计划、当前状态以及可替代设备。人员数据则应关联班次、技能、资质、可操作工序和不可用时间。只有把资源能力与具体产品、工序和时间段关联起来，产能才具备排产意义。
第三层是物料数据。排产关注的不是账面库存，而是指定时间内可用于指定订单的数量。因此必须区分已占用库存、在途物料、待检物料、冻结物料、不合格物料、替代料及齐套状态。物料状态若不准确，系统就可能安排无法领料的计划。
第四层是工艺数据。工艺底账应明确工序顺序、前后置关系、设备与人员要求、准备时间、加工时间、转运时间，以及检验、固化、冷却等不可压缩的等待时间。同时要管理工艺版本的适用范围，避免同一产品存在多个未标识版本。
让数据真正服务排产
数据底座还必须包含规则与异常机制。工序顺序、资质要求、设备维护和物料未齐套属于硬约束；减少换型、降低在制品等待、保持订单连续生产则属于软约束。企业应先明确约束优先级，再决定哪些规则由系统执行、哪些调整需要人工审批。
更重要的是建立数据责任：每个对象由谁维护、多久更新、出错后如何纠正。建议从单条产线或单个产品族开始，先完成数据诊断和建账，再进行历史回放与现场伴随试排。评价重点不应只是生成了多少计划，而应观察计划达成、订单按期完成、计划变更和异常响应是否更可控。
智能排产的底座，本质上是一套生产共同语言。数据有统一口径，规则可解释，异常有责任边界，系统才可能从展示工具转变为现场真正愿意使用的计划能力。